基于马尔科夫切换模型的上证指数周收益率时间序列分析

本文先对上证指数收益率时间序列做非线性检测,再对时间序列进行结构性变化检测,发现上证指数收益序列既是非线性时间序列又有结构性变化;通过构建一个3状态,3阶滞后的异方差马尔可夫切换模型对1990年12月21日至2008年8月22日上证指数周收益率时间序列规律进行了实证分析,采用极大似然估计法对模型参数进行估计,识别出股市波动的三种主要的状态:慢涨、慢跌和快涨;实证结果表明马尔可夫切换模型能够比较有效的刻画股市波动的阶段性特征.     

马尔可夫切换模型及其在中国股市中的应用

马尔可夫切换模型是一种研究时间序列结构性变化的方法。为了定量研究中国股市的波动特征,采用深证成指作为中国股市波动状况的指标数据,建立3-状态、异方差、四阶自回归形式的马尔可夫切换模型对数据进行计算和分析,由此总结了中国股市的波动特征。     

基于波动持续性的最优组合构建与分散化研究

构建恰当资产组合来减少风险, 是投资组合理论研究的重要目标.由于金融时间序列的波动往往会伴随着持续性特征, 该种特性会增大组合未来收益的风险.本文通过构建随机波动模型序列持续性最优投资组合模型, 以降低金融资产波动的持续性特征对组合收益波动的影响;并通过研究其分散化水平, 考察该投资组合构建方法的有效性与稳健性.研究发现:与均值方差的组合模型相比较, 序列持续性组合的风险分散化水平更好.此研究在资产组合选择方面, 具有较为重要的理论价值及实践意义.     

基于随机方差扩大模型的对中国宏观经济统计数据的结构变化分析

本文从经济系统的角度运用随机方差扩大模型对我国36个宏观经济时间序列趋势成分的结构变化特征进行了全面的分析,发现了数据结构变化的特点和规律.研究结论表明:趋势成分和序列本身具有类似的结构变化特征,但是结构变化的范围、幅度却存在显著性差异;我国宏观经济统计数据结构变化的主要特征受到相应序列的趋势成分、波动成分的组合方式及其构成比例的深刻影响;大部分结构变化点的出现或多或少都是以聚集成堆的形式出现的,它们之间存在深刻的内在联系,结构变化点的出现大多数与各种历史因素以及外部冲击有关;大部分发生结构变化原始序列与其趋势成分的波动性特征出现了显著差异,而结构变化点修正后序列及其趋势成分的波动幅度与范围极其相似.     

去异方差交易量与价格波动关系研究

在去除交易量时间趋势与自回归的基础上,大量的实证检验发现即期交易量与价格波动之间存在正相关关系.然而交易量序列同时还存在异方差现象.用同时去除时间趋势、自相关与异方差的交易量作为信息流的代表,来研究价格波动与交易之间的关系,结果发现,新的交易量序列能更好地解释收益率的异方差特征,而且市场成熟度不同的国家,交易量序列的这种解释能力也不同.     

基于Levy-GARCH模型的上证50ETF市场跳跃行为与波动特征研究

上证ETF50期权的发行推动学界开始关注其标的资产的波动特点。本文引入带跳跃的Levy-GARCH非高斯条件异方差模型，结合Fourier数值极大似然估计及回溯测试，对上证50ETF的跳跃和波动特征进行实证分析，并与上证综指、深证成指进行比较。研究结果表明，与国内主要市场指数相比，上证50ETF市场同样存在显著的条件异方差效应和随机跳跃行为，但波动率并不存在显著的杠杆效应。本文通过与多个市场和行业指数进行对照比较，并从行业特征、成份股特征、市场机制特点等角度解释了上证50ETF杠杆效应不显著的原因。     

我国沪市波动聚集性GARCH效应的实证研究

股票价格的频繁波动是股票市场最明显的特征之一,自回归条件异方差类模型可以很好地预测金融资产收益率的方差.通过对我国股价指数的统计描述,表明我国金融资产收益率存在自回归条件异方差的特征,并表现出非正态性.利用自回归条件异方差类模型,采用 1993年～2003 年的数据对上证指数的波动进行拟合,结果表明,广义自回归条件异方差模型对我国股市波动具有较好的拟合效果.     

我国期货市场期货价格收益及波动的研究

金融市场长记忆性研究一直吸引着众多学者的眼球。本文利用R/S分析、修正的R/S分析和GPH检验三种方法,对我国期货市场的铝、铜、橡胶、大豆以及小麦这五种期货品种的期货价格收益和价格收益波动方差进行了长记忆性实证研究,研究结果表明,铝的价格收益序列、橡胶的价格收益和收益平方序列以及小麦的收益平方序列均不具有长记忆性;铜和小麦的价格收益序列、铝和铜的价格收益波动方差序列以及橡胶和小麦的绝对收益序列均具有长记忆性;而大豆的期货价格收益序列和期货价格收益方差序列都不具有长记忆性。本文还测算了具有长记忆性序列的H值。     

国际金融市场波动非线性因果性和溢出效应

针对人民币、欧元、日元兑美元的官方汇率,选取了2008年金融危机前后各三年的数据参照对比分析,计算三者汇率的均值方程的残差之间的交叉相关(cross-correlation function,CCF),利用Yin-Wong Cheung,LilianK.Ng检验统计量和Hong Y.检验统计量,验证3种汇率的标准残差的方差之间的非线性因果关系,并以此信息为依据构建BEKK-MGARCH模型,分析了人民币、欧元、日元兑美元的汇率的波动溢出效应,进而验证了各个变量序列方差之间非线性因果关系的稳健性.在Hong检验中引入了截断核函数,使得对低阶时滞项赋予了较大权重,从而准确地刻画近期波动对当前波动影响更大的特征.在建立Vector GARCH模型之前,很少有文献先进行方差的非线性因果关系检验,即使进行了简单检验,通常错误地把Q2(p)当作变量序列的方差之间的非线性因果关系检验统计量.     

基于EVT-POT-SV-MT模型的极值风险度量

针对金融资产收益的异常变化,采用SV-MT模型对风险资产的预期收益做风险补偿并捕捉收益序列的厚尾性、波动的异方差性等特征,将收益序列转化为标准残差序列,通过SV-MT模型与极值理论相结合拟合标准残差的尾部分布,建立了一种新的金融风险度量模型——基于EVT-POT-SV-MT的动态VaR模型.通过该模型对上证综指做实证分析,结果表明该模型能够合理有效地度量上证综指收益的风险.     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)-GARCH(1,1)模型与幂律型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,二者结合更好地描述回报时序的动态波动现象。对上证综指进行实证分析,结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。     

基于C_TMPV的中国股市高频波动率的跳跃行为研究

运用2000年1月4日至2008年12月31日上证综指每5分钟的高频金融数据,采用核估计量估计中国股市高频波动率序列,运用修正的已实现门阀多次幂变差估计中国股市高频波动率的跳跃序列,实证分析中国股市高频波动率跳跃的各种特征,并运用ACD模型、ACH模型以及扩展的ACH模型进一步分析中国股市高频波动率跳跃的持续期的特征.研究结果表明,中国股市高频波动率及其跳跃都具有集聚的特征,高频波动率发生显著跳跃的比例相当高,高频波动率跳跃的幅度、强度和跳跃幅度的分布都具有时变性,而跳跃对高频波动率的贡献却具有相对稳定性;在样本期,中国股市高频波动率跳跃表现出较强的正相关性,且跳跃的持续期存在较强的长记忆性和周日历效应.     

我国上海股票市场GARCH效应实证研究

本文简略的介绍了三种GARCH 模型思想, 并用所介绍的模型对我国上海股票市场的GARCH 效应进行了实证研究。结果表明我国上海股票市场收益率序列的波动具有显著的异方差性,股价波动存在集群性和持续性,可以用GARCH类模型进行拟合。     

基于MCMC模拟的贝叶斯复合状态信用溢价模型研究

针对已有的信用溢价模型只考虑了单一尺度的波动均值回复过程,从而导致的信息损失问题,提出了贝叶斯复合状态信用溢价模型,据此辨析不同尺度的信用溢价波动回复状态。利用不同剩余偿付期的中国企业债信用溢价指数序列,引入了基于混合正态分布的多步MCMC方法对复合状态模型进行贝叶斯分析,研究结果表明:不同剩余偿付期的债券具有不同的异方差水平,均值回复过程可以区分为长期和短期两种趋势,并且分别具有不同的尺度维度;长期回复过程显示了序列的整体波动趋势,短期回复过程更细致地刻画了极值点的影响;与传统模型的比较突出了复合状态模型在拟合效果上的优越性。     

基于EVT-POT-FIGARCH的动态VaR风险测度

金融实践中,金融资产回报不仅具有厚尾性、波动的异方差性两大特点,而且其波动表现出明显的长期记忆性。本文利用FIGARCH模型处理波动异方差性和长期记忆性、EVT-POT方法捕捉回报分布厚尾的优势,提出了能反映厚尾性、异方差性和长期记忆性的金融风险度量模型——基于EVT-POT-FIGARCH的动态VaR模型,并用中国股票市场的沪深300指数和上证综合指数的每日收盘价进行实证分析。结果表明,模型能较好地处理这两个指数回报序列的三大特点,更准确地度量其VaR风险。     

沪铜期现货市场波动率的互动关系研究及国际比较

本文借鉴VAR模型,运用Granger因果检验,以及方差分解和脉冲响应函数,刻画沪铜市场期现货波动间的互动关系,并与LME铜市场进行比较.研究表明沪铜期货市场对沪铜现货具有单向的滞后引导关系,且具有一定国际影响力,但仍与国外成熟市场存在差距.     

基于马尔科夫随机波动和极值理论的风险测度

针对金融资产波动的时变、聚集以及状态转换等特征,将马尔可夫转换模型和随机波动模型相结合,同时考虑波动尾部的状态分布,构建MSSV-t模型,然后将收益序列转化为标准残差序列,在此基础上,应用EVT模型对标准残差进行建模,进而构建基于MSSV-t-EVT的VaR测度模型,最后对该模型的有效性进行检验。研究发现：MSSV-t-EVT模型能够有效识别上证指数（SSCI）的波动转换特征,并且能合理地测度该指数的收益风险,尤其在高的置信水平下表现更好。研究结论表明MSSV-t-EVT模型能较为准确的刻画股市剧烈波动的事实,可用于交易风险控制和对市场异常波动的预警。     

基于EVT-BM-FIGARCH的动态VaR风险测度

对金融资产回报,用FIGARCH模型捕捉波动的异方差性和长期记忆性的同时,将回报序列转化为标准残差序列、通过用EVT-BM方法拟合标准残差的尾部分布来处理回报序列的厚尾性,建立了金融风险度量模型--基于EVT-BM-FIGARCH的动态VaR模型。并用该模型对上证综合指数进行实证分析,结果表明模型能够更精确、合理地度量上证综合指数回报的VaR风险。     

基于多尺度组合模型的铜价预测研究

铜价预测是国际大宗商品市场研究的一个重要领域。本文运用经验模态分解法（EMD）、人工神经网络（ANN）、支持向量机（SVM）和时间序列方法,基于分解-重构-集成的思想,构建了一个多尺度组合预测模型。在模型构建过程中,提出了运用游程判定法对分量序列进行重构的新思路。然后,运用此模型对LME铜价波动特点和走势进行分析：将铜价序列分解并重构成高频、低频和趋势三个部分,并从不规则因素、重大事件以及长期趋势三个角度解释了重构项的波动特征;实证分析表明,与灰色模型GM（1,1）、Elman神经网络方法等单模型,以及ARIMA-SVM组合模型相比,多尺度组合模型取得了最好的预测效果。     

利率期限结构模型研究

利率期限结构在保险中发挥着重要作用。在依据上海银行间三个月期同业拆借利率对静态的利率期限结构的进行实证分析后,得出利用静态利率期限结构模型的拟合中存在明显的异方差现象。引入CIR模型进行利率期限结构的动态分析。以GARCH、TGARCH和PARCH模型族假设处理异方差,对N分布、t分布、GED分布假设进行了比较分析。实证分析结果显示:综合N分布、T分布、GED分布的衡量,GED分布明显优于另外两种分布。在每种分布假设下GARCH族中经过检验效果最好的为PARCH模型。通过实证分析得到利率的以下特点:上海银行间三个月期同业拆借利率具有均值回复特征;利率波动性与利率水平有关。